Controlling photoinduced electron transfer from PbS@CdS core@shell quantum dots to metal oxide nanostructured thin films
Notice bibliographique
Résumé
N-type metal oxide solar cells sensitized by infrared absorbing PbS quantum dots (QDs) represent a promising alternative to traditional photovoltaic devices. However, colloidal PbS QDs capped with pure organic ligand shells suffer from surface oxidation that affects the long term stability of the cells. Application of a passivating CdS shell guarantees the increased long term stability of PbS QDs, but can negatively affect photoinduced charge transfer from the QD to the oxide and the resulting photoconversion efficiency (PCE). For this reason, the characterization of electron injection rates in these systems is very important, yet has never been reported. Here we investigate the photoelectron transfer rate from PbS@CdS core@shell QDs to wide bandgap semiconducting mesoporous films using photoluminescence (PL) lifetime spectroscopy. The different electron affinity of the oxides (SiO2, TiO2 and SnO2), the core size and the shell thickness allow us to fine tune the electron injection rate by determining the width and height of the energy barrier for tunneling from the core to the oxide. Theoretical modeling using the semi-classical approximation provides an estimate for the escape time of an electron from the QD 1S state, in good agreement with experiments. The results demonstrate the possibility of obtaining fast charge injection in near infrared (NIR) QDs stabilized by an external shell (injection rates in the range of 110-250 ns for TiO2 films and in the range of 100-170 ns for SnO2 films for PbS cores with diameters in the 3-4.2 nm range and shell thickness around 0.3 nm), with the aim of providing viable solutions to the stability issues typical of NIR QDs capped with pure organic ligand shells.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».